CN116414092A - 一种基于预测控制的热电联产机组协调控制方法及系统 - Google Patents
一种基于预测控制的热电联产机组协调控制方法及系统 Download PDFInfo
- Publication number
- CN116414092A CN116414092A CN202310390943.9A CN202310390943A CN116414092A CN 116414092 A CN116414092 A CN 116414092A CN 202310390943 A CN202310390943 A CN 202310390943A CN 116414092 A CN116414092 A CN 116414092A
- Authority
- CN
- China
- Prior art keywords
- control
- value
- regulated quantity
- time period
- mass flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000001105 regulatory effect Effects 0.000 claims abstract description 121
- 238000000605 extraction Methods 0.000 claims abstract description 99
- 239000000446 fuel Substances 0.000 claims abstract description 14
- 238000010438 heat treatment Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 16
- 238000010248 power generation Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 6
- 230000006872 improvement Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开一种基于预测控制的热电联产机组协调控制方法及系统，涉及热电联产机组控制领域，该方法包括构建预测控制器寻优目标模型；将在预测时间段被调量的预测值序列和参考设定值序列以及当前时刻控制量的控制值输入预测控制器寻优目标模型中得到控制量在预测时间段的最优控制序列；通过最优控制序列对热电联产机组模型进行协调控制，得到被调量在预测时间段的实时值，循环上述步骤，直至被调量的实时值满足预设条件。本发明采用燃料量、主蒸汽调门开度和供热抽汽调门开度三个控制量和电负荷、主蒸汽压力和供热抽汽质量流量三个被调量的关系构建预测控制器寻优目标模型，利用求解到的控制量的最优控制序列进行控制，提高了变负荷速率。
Description
技术领域
本发明涉及热电联产机组控制领域，特别是涉及一种基于预测控制的热电联产机组协调控制方法及系统。
背景技术
随着风电等新能源发电的大规模并网，提升热电联产机组的电负荷跟踪能力，将提高电网对新能源发电的接收能力，其对于电力系统安全稳定运行具有重要意义。热电联产机组一般采用机炉协调控制，其通过燃料量和主蒸汽调门开度来实现跟踪电负荷变化以及维持主汽压稳定，但主蒸汽调门开度受限于锅炉侧蓄热有限，导致机组变负荷速率达到额定负荷的1.5％/min便难以有大的提高。因此需要一种能够提升变负荷速率基于预测控制的热电联产机组协调控制方法。
发明内容
本发明的目的是提供一种基于预测控制的热电联产机组协调控制方法及系统，可提高热电联产机组模型的变负荷速率。
为实现上述目的，本发明提供了如下方案：
一种基于预测控制的热电联产机组协调控制方法，所述方法包括：
S1：构建预测控制器寻优目标模型，所述预测控制器寻优目标模型表征热电联产机组模型中控制量和被调量之间的预测控制关系；所述控制量包括燃料量、主蒸汽调门开度和供热抽汽调门开度；所述被调量包括电负荷、主蒸汽压力和供热抽汽质量流量；
S2：将每一所述被调量在预测时间段的预测值序列、每一所述被调量在所述预测时间段的参考设定值序列以及当前时刻每一所述控制量的控制值作为输入，对所述预测控制器寻优目标模型进行求解，得到每一所述控制量在所述预测时间段的最优控制序列；
S3：将每一所述控制量在所述预测时间段的最优控制序列输入所述热电联产机组模型，对所述热电联产机组模型的被调量进行协调控制，得到每一所述被调量在所述预测时间段的实时值，判断所述预测时间段后所述被调量的实时值是否满足预设条件，若否，则返回步骤S2进行下一预测时间段的优化求解。
可选的，所述预测控制器寻优目标模型的表达式为：
其中，Y为预测控制器寻优目标模型，j＝1,2,3，i和k代表时刻，p代表预测时间段，aj为第j个被调量的预设权重，bj(k)为第j个被调量在当前时刻k计算所得的动态权重，c为输出误差权重系数，yj(k+i|k)为第j个被调量在预测时间段内k+i时刻的预测值，rj(k+i|k)为第j个被调量在预测时间段内k+i时刻的参考设定值，
为第j个被调量对应的比例因子，m为控制时间段，d为控制增量权重系数，uj(k+i|k)为第j个控制量在控制时间段内k+i时刻的控制值，uj(k+i-1|k)为第j个控制量在控制时间段内k+i-1时刻的控制值，/>
为第j个控制量对应的比例因子。
可选的，在S2之前还包括：确定被调量的动态权重，确定过程如下：
根据所述被调量的实时值与当前时刻所述被调量的设定值计算每一所述被调量的偏差；
根据每一所述被调量的偏差、偏差最大值以及动态权重最小设定值计算每一所述被调量的动态权重。
可选的，所述动态权重的表达式为：
其中，bj(k)为第j个被调量在当前时刻k计算所得的动态权重，j＝1,2,3；ej(k)为k时刻第j个被调量的偏差，
为偏差最大值，bmin为动态权重最小设定值。
可选的，在S2之前还包括：确定供热抽汽质量流量的参考设定值，确定过程如下：
根据所述供热抽汽质量流量的设定值以及所述供热抽汽质量流量的实时值计算所述供热抽汽质量流量的参考设定值。
可选的，所述供热抽汽质量流量的参考设定值的表达式为：
其中，qmH(dsp)为供热抽汽质量流量的参考设定值，qmH(sp)为供热抽汽质量流量的设定值，t2为当前时刻，供热抽汽质量流量偏离其设定值的初始时刻t1＜t2，qmH为供热抽汽质量流量的实时值，KQ为积分式向设定值转化的比例因子。
本发明还提供了一种基于预测控制的热电联产机组协调控制系统，所述系统包括：
预测控制器寻优目标模型构建模块，用于构建预测控制器寻优目标模型，所述预测控制器寻优目标模型表征热电联产机组模型中控制量和被调量之间的预测控制关系；所述控制量包括燃料量、主蒸汽调门开度和供热抽汽调门开度；所述被调量包括电负荷、主蒸汽压力和供热抽汽质量流量；
模型求解模块，用于将每一所述被调量在预测时间段的预测值序列、每一所述被调量在所述预测时间段的参考设定值序列以及当前时刻每一所述控制量的控制值作为输入，对所述预测控制器寻优目标模型进行求解，得到每一所述控制量在所述预测时间段的最优控制序列；
控制模块，用于将每一所述控制量在所述预测时间段的最优控制序列输入所述热电联产机组模型，对所述热电联产机组模型的被调量进行协调控制，得到每一所述被调量在所述预测时间段的实时值，判断所述预测时间段后所述被调量的实时值是否满足预设条件，若否，则返回所述模型求解模块进行下一预测时间段的优化求解。
可选的，所述预测控制器寻优目标模型的表达式为：
其中，Y为预测控制器寻优目标模型，j＝1,2,3，i和k代表时刻，p代表预测时间段，aj为第j个被调量的预设权重，bj(k)为第j个被调量在当前时刻k计算所得的动态权重，c为输出误差权重系数，yj(k+i|k)为第j个被调量在预测时间段内k+i时刻的预测值，rj(k+i|k)为第j个被调量在预测时间段内k+i时刻的参考设定值，
为第j个被调量对应的比例因子，m为控制时间段，d为控制增量权重系数，uj(k+i|k)为第j个控制量在控制时间段内k+i时刻的控制值，uj(k+i-1|k)为第j个控制量在控制时间段内k+i-1时刻的控制值，/>
为第j个控制量对应的比例因子。
可选的，还包括被调量的动态权重确定模块；所述被调量的动态权重确定模块，用于根据所述被调量的实时值与当前时刻所述被调量的设定值计算每一所述被调量的偏差；根据每一所述被调量的偏差、偏差最大值以及动态权重最小设定值计算每一所述被调量的动态权重；
其中，所述动态权重的表达式为：
其中，bj(k)为第j个被调量的动态权重，j＝1,2,3；ej(k)为k时刻第j个被调量的偏差，
为偏差最大值，bmin为动态权重最小设定值。
可选的，还包括供热抽汽质量流量的参考设定值确定模块；所述供热抽汽质量流量的参考设定值确定模块，用于根据所述供热抽汽质量流量的设定值以及所述供热抽汽质量流量的实时值计算所述供热抽汽质量流量的参考设定值；其中，所述供热抽汽质量流量的参考设定值的表达式为：
其中，qmH(dsp)为供热抽汽质量流量的参考设定值，qmH(sp)为供热抽汽质量流量的设定值，t2为当前时刻，供热抽汽质量流量偏离其设定值的初始时刻t1＜t2，qmH为供热抽汽质量流量的实时值，KQ为积分式向设定值转化的比例因子。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的基于预测控制的热电联产机组协调控制方法及系统，其方法包括：构建预测控制器寻优目标模型，预测控制器寻优目标模型表征热电联产机组模型中控制量和被调量之间的预测控制关系；控制量包括燃料量、主蒸汽调门开度和供热抽汽调门开度；被调量包括电负荷、主蒸汽压力和供热抽汽质量流量；将每一被调量在预测时间段的预测值序列、每一被调量在预测时间段的参考设定值序列以及当前时刻每一控制量的控制值作为输入，对预测控制器寻优目标模型进行求解，得到每一控制量在预测时间段的最优控制序列；将每一控制量在预测时间段的最优控制序列输入热电联产机组模型，对热电联产机组模型的被调量进行协调控制，得到每一被调量在预测时间段的实时值，不断循环上述步骤，直至被调量在预测时间段后的实时值满足预设条件，停止控制。本发明采用燃料量、主蒸汽调门开度和供热抽汽调门开度这三个控制量和电负荷、主蒸汽压力和供热抽汽质量流量这三个被调量，通过控制量和被调量之间的预测控制关系来构建预测控制器寻优目标模型，对该预测控制器寻优目标模型进行求解得到控制量的最优控制序列，从而利用最优控制序列对热电联产机组模型进行控制，提高了热电联产机组模型的变负荷速率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的基于预测控制的热电联产机组协调控制方法流程示意图；
图2为本发明实施例1提供的基于预测控制的热电联产机组协调控制方法原理示意图；
图3为本发明实施例1提供的基于300MW热电联产机组模型，当电负荷指令从235MW阶跃变化到265MW时，本发明协调控制方法与传统协调控制方法的控制效果对比图；
图4为本发明实施例1提供的基于300MW热电联产机组，对被调量设置不同偏重程度的控制效果对比图；
图5为本发明实施例2提供的基于预测控制的热电联产机组协调控制系统框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
现如今供热抽汽流量的控制只能保证波动期结束后跟踪设定值，并不能保证热的总供需平衡，长期以往，将对热用户造成较大影响。热网中含有大量蓄热，合理利用，将有利于变负荷速率的提升。热电联产机组的控制目标包括快速跟踪电负荷、维持主蒸汽压力稳定、保证供暖效果，其中任一控制目标效果的提升将导致其他控制效果的下降，因此需要协调这些控制目标，适当偏重某些目标，亦或牺牲一些目标的控制效果来达到其他目标控制效果的提升。目前对于这些控制目标偏重程度的设置，往往依靠更改控制器众多的控制参数来实现，方法繁琐且不够直观。
基于上述现有技术缺点，本发明提供了一种基于预测控制的热电联产机组协调控制方法及系统，采用燃料量、主蒸汽调门开度和供热抽汽调门开度这三个控制量和电负荷、主蒸汽压力和供热抽汽质量流量这三个被调量，通过控制量和被调量之间的预测控制关系来构建预测控制器寻优目标模型，对该预测控制器寻优目标模型进行求解得到控制量的最优控制序列，从而利用最优控制序列对热电联产机组模型进行控制，通过三入三出的预测控制，合理分配三个控制量来跟踪电负荷指令，提高了热电联产机组模型的变负荷速率。本发明采用保障供暖效果的供热抽汽质量流量动态设定值，保证控制波动期结束后热的总供需平衡。本发明通过动态权重和预设权重(自设权重)设置每一被调量的权重系数，能够直观方便地实现对控制目标偏重程度的设定。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1所示，本发明提供了一种基于预测控制的热电联产机组协调控制方法，该方法包括：
S1：构建预测控制器寻优目标模型，所述预测控制器寻优目标模型表征热电联产机组模型中控制量和被调量之间的预测控制关系；所述控制量包括燃料量、主蒸汽调门开度和供热抽汽调门开度；所述被调量包括电负荷、主蒸汽压力和供热抽汽质量流量。
S2：将每一所述被调量在预测时间段的预测值序列、每一所述被调量在所述预测时间段的参考设定值序列以及当前时刻每一所述控制量的控制值作为输入，对所述预测控制器寻优目标模型进行求解，得到每一所述控制量在所述预测时间段的最优控制序列。
S3：将每一所述控制量在所述预测时间段的最优控制序列输入所述热电联产机组模型，对所述热电联产机组模型的被调量进行协调控制，得到每一所述被调量在所述预测时间段的实时值，判断所述预测时间段后所述被调量的实时值是否满足预设条件，若否，则返回步骤S2进行下一预测时间段的优化求解。
上述预测控制器寻优目标模型的表达式为：
其中，Y为预测控制器寻优目标模型，j＝1,2,3，i和k代表采样时刻，p代表预测时间段(预测时域)，ajbj(k)为第j个被调量在当前时刻k的权重系数，aj为第j个被调量的预设权重，bj(k)为第j个被调量在当前时刻k计算所得的动态权重，c为输出误差权重系数，yj(k+i|k)为第j个被调量在预测时间段内k+i时刻的预测值，在预测时间段内每一被调量的所有时刻的预测值组成每一被调量的预测值序列，rj(k+i|k)为第j个被调量在预测时间段内k+i时刻的参考设定值，在预测时间段内每一被调量的所有时刻的参考设定值组成每一被调量的参考设定值序列，
为第j个被调量对应的比例因子，m为控制时间段(控制时域)，d为控制增量权重系数，uj(k+i|k)为第j个控制量在控制时间段内k+i时刻的控制值，在预测时间段内每一控制量的所有时刻的控制值组成每一控制量的控制值序列，其中令Y最小的为控制量在所述预测时间段的最优控制序列，uj(k+i-1|k)为第j个控制量在控制时间段内k+i-1时刻的控制值，当i等于1时，uj(k+i-1|k)为当前时刻控制量的控制值，uj(k+i|k)为下一时刻控制量的控制值，/>
为第j个控制量对应的比例因子。y1、y2、y3分别对应电负荷Ne、主汽压Pt、供热抽汽质量流量qmH，其未来预测值根据控制器内部提前导入的机组模型采用模型预测控制、广义预测控制等算法进行相关计算所得。rj为预测控制器的参考跟踪轨迹，即r1＝Ne(sp)，r2＝Pt(sp)，r3＝qmH(dsp)。u1、u2、u3分别对应燃料量qmB、主蒸汽调门开度uT、供热抽汽调门开度uH。由此可见，预测控制器寻优目标模型为一个以控制量uj(k+i|k)为自变量的二次规划函数。
本发明通过燃料量、主蒸汽调门开度和供热抽汽蝶阀开度3个控制量来控制电负荷、主蒸汽压力和供热抽汽质量流量3个被调量。在上述闭环控制结构的基础上，本发明还可以包括：确定供热抽汽质量流量的参考设定值，确定过程如下：
根据所述供热抽汽质量流量的设定值以及所述供热抽汽质量流量的实时值计算所述供热抽汽质量流量的参考设定值。
Q的表达式为：
为了实现整个控制期总的热供需平衡，设计了供给预测控制作为供热抽汽质量参考跟踪轨迹的供热抽汽质量流量动态设定值qmH(dsp)，其表达式为：
通过上述两个公式可得到，供热抽汽质量流量的参考设定值的表达式为：
其中，qmH(dsp)为供热抽汽质量流量的参考设定值，qmH(sp)为供热抽汽质量流量的设定值，t2为当前时刻，供热抽汽质量流量偏离其设定值的初始时刻t1＜t2，qmH为供热抽汽质量流量的实时值，Q是供热抽汽质量流量的实时值qmH与供热抽汽质量流量设定值qmH(sp)的偏差积分，Q为一段时间热供需差，表征供暖效果的质量。KQ是根据Q的期望控制长度而设置的Q向供热抽汽设定值变换的比例因子，Q的期望控制时间越长，则KQ值越小，该项的存在是为了避免供热抽汽的小偏差随时间积累而造成较大热负荷供需差，期望供热抽汽质量流量越快达到总平衡，则设定KQ越大，本实施例根据实验设定KQ在20左右。在控制过程中，qmH(dsp)不断变化，直至qmH(dsp)稳定在qmH(sp)，且Q稳定在0。
在S2之前还包括：确定被调量的动态权重bj，bj的确定过程如下：
根据所述被调量的实时值与当前时刻所述被调量的设定值计算每一所述被调量的偏差。
根据每一所述被调量的偏差、偏差最大值以及动态权重最小设定值计算每一所述被调量的动态权重。
其中，上述动态权重bj(k)的表达式为：
其中，bj(k)为第j个被调量在当前时刻k计算所得的动态权重，j＝1,2,3；ej(k)为k时刻第j个被调量的偏差，
为偏差最大值，bmin为动态权重最小设定值。
bj(k)代表当前时刻k基于各个被调量与设定值的偏差ej(k)的动态权重，主要是避免控制过程中出现某个被调量误差过大，同时为避免在接近参考轨迹(参考设定值)时三个权重系数b(k)之间比例变化过大造成震荡，为其设定动态权重最小设定值bmin(一般使得bmin＝c)。其中，
可以人为设定一个最大允许偏差，也可以是计算得到的所有被调量偏差的最大值。
首先设定电负荷指令、主蒸汽压力设定值、供热抽汽质量流量设定值这三个被调量设定值，需要说明的是，上述三个设定值由用户根据实际控制需要确定。预测控制器的参考跟踪轨迹(即各个被调量的参考设定值)的具体设定如下：电负荷Ne(sp)、主蒸汽压力Pt(sp)两个被调量的参考跟踪轨迹分别对应上述电负荷指令(电负荷设定值)和主蒸汽压力设定值。上述设定值(电负荷指令和主蒸汽压力设定值)是一个以时间为自变量的变化值，可以一直固定不变，也可以随时间发生变化，用户根据需要进行设定。例如图3(a)，此处，电负荷指令便是一个阶跃信号。而供热抽汽质量流量的参考跟踪轨迹对应供热抽汽质量流量动态设定值qmH(dsp)。图2所示的aj代表对三个被调量误差的自设权重，其通过机组操作员设定，三个值(a1，a2，a3)中最小值设为1，其他值越大，则对应被调量的偏重程度越大、控制效果越好。总的外设权重(被调量的权重系数)由被调量偏差的动态权重和自设权重进行相乘得到，即每一被调量总的外设权重为ajbj。
然后基于控制量、控制增量以及被调量的限制条件，将每一被调量在预测时间段的预测值序列、每一被调量在所述预测时间段的参考设定值序列以及当前时刻每一控制量的控制值输入预测控制器寻优目标模型中，对预测控制器寻优目标模型进行二次规划寻优，即可得到即将到来的下一时刻(预测时间段)的令Y最小的每一控制量的最优控制序列uj(k+i|k)，最优控制序列的长度均为m。将第一个值uj(k+1)作为当前控制量输入热电联产机组模型中对被调量进行协调控制。每个采样周期即是一个控制周期(控制时间段)，每个周期将上述步骤重复一次，不断循环，最终被调量达到控制目标(设定条件)，在被调量达到控制目标，热电联产机组模型处于稳定状态后，将稳定状态对应的控制量的最优控制序列继续控制热电联产机组模型。控制目标即预测时间段后的被调量的实时值与设定值的差值在设定阈值范围内。至此，实现了对整个热电机组联产模型的控制。其中，控制量、控制增量以及被调量的限制条件为各自的限制范围，可由用户根据经验设置。
以300MW热电联产机组模型为例，额定供热工况下，其发电负荷为235MW，主蒸汽压力为16.67MPa，供热抽汽质量流量为400t/h，并以此作为控制系统的初始工况。在此工作点进行线性化，得到热电联产机组三入三出的控制模型，以此作为预测控制器内部的被控系统模型(预测控制器寻优目标模型)。根据供暖偏差积分Q的期望控制长度，设置其向供热抽汽质量流量转化的比例因子KQ为20。在500s时对电负荷指令施加+30MW的阶跃，自设权重系数20:1:1，其仿真结果如图3所示。除此之外，在500s时对电负荷指令施加+30MW的阶跃，设置不同的自设权重系数，其仿真结果如图4所示。
以热电联产机组模型系统跟踪电负荷指令上升为例，对本发明的协调控制过程进行详细介绍：
如图3所示，当系统需要增大发电量时，预测控制器(预测控制器寻优目标模型)同时增大三个控制量，其各个控制量增大的程度由总权重(ajbj)来决定。由于主蒸汽调门开度和供热抽汽蝶阀开度到热电联产机组模型发电负荷的响应时间较短，所以两者在波动前期共同负责电负荷的爬升，与此同时造成主蒸汽压力和供热抽汽质量流量的下降。随着时间的延长，燃料量在波动初期的提升开始使得发电负荷上升，直到电负荷基本爬升到指定位置。此时，预测控制器由于还需跟踪主蒸汽压力和供热抽汽质量流量的设定值，开始减小主蒸汽调门开度和供热抽汽调门开度，使得这两个控制量对应的被调量增大，直至满足要求(即被调量的实时值与设定值的差值在设定阈值范围内)。
其中，图3(a)、图3(b)、图3(c)和图3(d)分别是本发明提供的基于预测控制的热电联产机组协调控制方法与传统协调控制方法的电负荷、主蒸汽压力、供热抽汽质量流量和供暖偏差积分的效果对比图，从图3中可看出，本发明的协调控制方法明显提高了热电联产机组模型跟踪电负荷指令变化的能力，且主蒸汽压力变化更为平缓。同时在控制器结束后，供暖偏差积分Q稳定在0附近，保障了这段时间热的总供需平衡，提高了供暖的质量。
其中，传统控制是为了增大发电负荷，在控制初期，增大主汽阀门开度，使得进入蒸汽管道的蒸汽量变大，从而对供热抽汽流量造成干扰，使得供热抽汽量变大。而本发明在波动初期则利用增大主汽阀门开度和减少供热抽汽流量的双重作用来快速增大发电负荷，因此供热抽汽流量在初期呈现下降趋势。因此两种控制策略的供热抽汽质量流量呈现相反变化趋势。
图4为基于上述300MW热电联产机组，对控制目标设置不同偏重程度的控制效果对比图，图例中的比例式代表自设权重aj的设定值。图4(a)、图4(b)、图4(c)和图4(d)分别是本发明提供的基于预测控制的热电联产机组协调控制方法与传统协调控制方法的电负荷、主蒸汽压力、供热抽汽质量流量和供暖偏差积分的效果对比图。
从图4可以清晰地看到，本发明提供的方法简单直观。当偏重某个目标(被调量)时，只需将其对应自设权重设定较大，便可实现更好的控制效果。在实际应用过程中，便可根据实际需要，对各个目标设置不同的自设权重，以得到总的期望控制效果。
实施例2
如图5所示，本实施例提供了一种基于预测控制的热电联产机组协调控制系统，所述系统包括：
预测控制器寻优目标模型构建模块T1，用于构建预测控制器寻优目标模型，所述预测控制器寻优目标模型表征热电联产机组模型中控制量和被调量之间的预测控制关系；所述控制量包括燃料量、主蒸汽调门开度和供热抽汽调门开度；所述被调量包括电负荷、主蒸汽压力和供热抽汽质量流量。
模型求解模块T2，用于将每一所述被调量在预测时间段的预测值序列、每一所述被调量在所述预测时间段的参考设定值序列以及当前时刻每一所述控制量的控制值作为输入，对所述预测控制器寻优目标模型进行求解，得到每一所述控制量在所述预测时间段的最优控制序列。
控制模块T3，用于将每一所述控制量在所述预测时间段的最优控制序列输入所述热电联产机组模型，对所述热电联产机组模型的被调量进行协调控制，得到每一所述被调量在所述预测时间段的实时值，判断所述预测时间段后所述被调量的实时值是否满足预设条件，若否，则返回所述模型求解模块进行下一预测时间段的优化求解。
其中，所述预测控制器寻优目标模型的表达式为：
其中，Y为预测控制器寻优目标模型，j＝1,2,3，i和k代表时刻，p代表预测时间段，aj为第j个被调量的预设权重，bj(k)为第j个被调量在当前时刻k计算所得的动态权重，c为输出误差权重系数，yj(k+ik)为第j个被调量在预测时间段内k+i时刻的预测值，rj(k+i|k)为第j个被调量在预测时间段内k+i时刻的参考设定值，
为第j个被调量对应的比例因子，m为控制时间段，d为控制增量权重系数，uj(k+i|k)为第j个控制量在控制时间段内k+i时刻的控制值，uj(k+i-1|k)为第j个控制量在控制时间段内k+i-1时刻的控制值，/>
为第j个控制量对应的比例因子。
在本实施例中，所述系统还包括被调量的动态权重确定模块；所述被调量的动态权重确定模块，用于根据所述被调量的实时值与当前时刻所述被调量的设定值计算每一所述被调量的偏差；根据每一所述被调量的偏差、偏差最大值以及动态权重最小设定值计算每一所述被调量的动态权重；
其中，所述动态权重的表达式为：
其中，bj(k)为第j个被调量的动态权重，j＝1,2,3；ej(k)为k时刻第j个被调量的偏差，
为偏差最大值，bmin为动态权重最小设定值。
在本实施例中，所述系统还包括供热抽汽质量流量的参考设定值确定模块；所述供热抽汽质量流量的参考设定值确定模块，用于根据所述供热抽汽质量流量的设定值以及所述供热抽汽质量流量的实时值计算所述供热抽汽质量流量的参考设定值；其中，所述供热抽汽质量流量的参考设定值的表达式为：
其中，qmH(dsp)为供热抽汽质量流量的参考设定值，qmH(sp)为供热抽汽质量流量的设定值，t2为当前时刻，供热抽汽质量流量偏离其设定值的初始时刻t1＜t2，qmH为供热抽汽质量流量的实时值，KQ为积分式向设定值转化的比例因子。
本说明书中每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于预测控制的热电联产机组协调控制方法，其特征在于，所述方法包括：
S1：构建预测控制器寻优目标模型，所述预测控制器寻优目标模型表征热电联产机组模型中控制量和被调量之间的预测控制关系；所述控制量包括燃料量、主蒸汽调门开度和供热抽汽调门开度；所述被调量包括电负荷、主蒸汽压力和供热抽汽质量流量；
S2：将每一所述被调量在预测时间段的预测值序列、每一所述被调量在所述预测时间段的参考设定值序列以及当前时刻每一所述控制量的控制值作为输入，对所述预测控制器寻优目标模型进行求解，得到每一所述控制量在所述预测时间段的最优控制序列；
S3：将每一所述控制量在所述预测时间段的最优控制序列输入所述热电联产机组模型，对所述热电联产机组模型的被调量进行协调控制，得到每一所述被调量在所述预测时间段的实时值，判断所述预测时间段后所述被调量的实时值是否满足预设条件，若否，则返回步骤S2进行下一预测时间段的优化求解。
2.根据权利要求1所述的基于预测控制的热电联产机组协调控制方法，其特征在于，所述预测控制器寻优目标模型的表达式为：
其中，Y为预测控制器寻优目标模型，j＝1,2,3，i和k代表时刻，p代表预测时间段，aj为第j个被调量的预设权重，bj(k)为第j个被调量在当前时刻k计算所得的动态权重，c为输出误差权重系数，yj(k+ik)为第j个被调量在预测时间段内k+i时刻的预测值，rj(k+ik)为第j个被调量在预测时间段内k+i时刻的参考设定值，
为第j个被调量对应的比例因子，m为控制时间段，d为控制增量权重系数，uj(k+ik)为第j个控制量在控制时间段内k+i时刻的控制值，uj(k+i-1k)为第j个控制量在控制时间段内k+i-1时刻的控制值，/>
为第j个控制量对应的比例因子。
3.根据权利要求2所述的基于预测控制的热电联产机组协调控制方法，其特征在于，在S2之前还包括：确定被调量的动态权重，确定过程如下：
根据所述被调量的实时值与当前时刻所述被调量的设定值计算每一所述被调量的偏差；
根据每一所述被调量的偏差、偏差最大值以及动态权重最小设定值计算每一所述被调量的动态权重。
4.根据权利要求3所述的基于预测控制的热电联产机组协调控制方法，其特征在于，所述动态权重的表达式为：
其中，bj(k)为第j个被调量在当前时刻k计算所得的动态权重，j＝1,2,3；ej(k)为k时刻第j个被调量的偏差，
为偏差最大值，bmin为动态权重最小设定值。
5.根据权利要求2所述的基于预测控制的热电联产机组协调控制方法，其特征在于，在S2之前还包括：确定供热抽汽质量流量的参考设定值，确定过程如下：
根据所述供热抽汽质量流量的设定值以及所述供热抽汽质量流量的实时值计算所述供热抽汽质量流量的参考设定值。
6.根据权利要求5所述的基于预测控制的热电联产机组协调控制方法，其特征在于，所述供热抽汽质量流量的参考设定值的表达式为：
其中，qmH(dsp)为供热抽汽质量流量的参考设定值，qmH(sp)为供热抽汽质量流量的设定值，t2为当前时刻，供热抽汽质量流量偏离其设定值的初始时刻t1＜t2，qmH为供热抽汽质量流量的实时值，KQ为积分式向设定值转化的比例因子。
7.一种基于预测控制的热电联产机组协调控制系统，其特征在于，所述系统包括：
预测控制器寻优目标模型构建模块，用于构建预测控制器寻优目标模型，所述预测控制器寻优目标模型表征热电联产机组模型中控制量和被调量之间的预测控制关系；所述控制量包括燃料量、主蒸汽调门开度和供热抽汽调门开度；所述被调量包括电负荷、主蒸汽压力和供热抽汽质量流量；
模型求解模块，用于将每一所述被调量在预测时间段的预测值序列、每一所述被调量在所述预测时间段的参考设定值序列以及当前时刻每一所述控制量的控制值作为输入，对所述预测控制器寻优目标模型进行求解，得到每一所述控制量在所述预测时间段的最优控制序列；
控制模块，用于将每一所述控制量在所述预测时间段的最优控制序列输入所述热电联产机组模型，对所述热电联产机组模型的被调量进行协调控制，得到每一所述被调量在所述预测时间段的实时值，判断所述预测时间段后所述被调量的实时值是否满足预设条件，若否，则返回所述模型求解模块进行下一预测时间段的优化求解。
8.根据权利要求7所述的基于预测控制的热电联产机组协调控制系统，其特征在于，所述预测控制器寻优目标模型的表达式为：
其中，Y为预测控制器寻优目标模型，j＝1,2,3，i和k代表时刻，p代表预测时间段，aj为第j个被调量的预设权重，bj(k)为第j个被调量在当前时刻k计算所得的动态权重，c为输出误差权重系数，yj(k+ik)为第j个被调量在预测时间段内k+i时刻的预测值，rj(k+ik)为第j个被调量在预测时间段内k+i时刻的参考设定值，
为第j个被调量对应的比例因子，m为控制时间段，d为控制增量权重系数，uj(k+ik)为第j个控制量在控制时间段内k+i时刻的控制值，uj(k+i-1k)为第j个控制量在控制时间段内k+i-1时刻的控制值，/>
为第j个控制量对应的比例因子。
9.根据权利要求7所述的基于预测控制的热电联产机组协调控制系统，其特征在于，还包括被调量的动态权重确定模块；所述被调量的动态权重确定模块，用于根据所述被调量的实时值与当前时刻所述被调量的设定值计算每一所述被调量的偏差；根据每一所述被调量的偏差、偏差最大值以及动态权重最小设定值计算每一所述被调量的动态权重；
其中，所述动态权重的表达式为：
其中，bj(k)为第j个被调量的动态权重，j＝1,2,3；ej(k)为k时刻第j个被调量的偏差，
为偏差最大值，bmin为动态权重最小设定值。
10.根据权利要求7所述的基于预测控制的热电联产机组协调控制系统，其特征在于，还包括供热抽汽质量流量的参考设定值确定模块；所述供热抽汽质量流量的参考设定值确定模块，用于根据所述供热抽汽质量流量的设定值以及所述供热抽汽质量流量的实时值计算所述供热抽汽质量流量的参考设定值；其中，所述供热抽汽质量流量的参考设定值的表达式为：
其中，qmH(dsp)为供热抽汽质量流量的参考设定值，qmH(sp)为供热抽汽质量流量的设定值，t2为当前时刻，供热抽汽质量流量偏离其设定值的初始时刻t1＜t2，qmH为供热抽汽质量流量的实时值，KQ为积分式向设定值转化的比例因子。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310390943.9A CN116414092A (zh) | 2023-04-13 | 2023-04-13 | 一种基于预测控制的热电联产机组协调控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310390943.9A CN116414092A (zh) | 2023-04-13 | 2023-04-13 | 一种基于预测控制的热电联产机组协调控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116414092A true CN116414092A (zh) | 2023-07-11 |
Family
ID=87057739
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310390943.9A Pending CN116414092A (zh) | 2023-04-13 | 2023-04-13 | 一种基于预测控制的热电联产机组协调控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116414092A (zh) |
-
2023
- 2023-04-13 CN CN202310390943.9A patent/CN116414092A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103591637B (zh) | 一种集中供热二次网运行调节方法 | |
| CN108512258B (zh) | 一种基于改进多智能体一致性算法的风电场有功调度方法 | |
| CN112286057A (zh) | 一种基于火电厂agc优化的煤量寻优预测控制方法 | |
| CN107515598A (zh) | 基于多参数动态矩阵控制的火电机组分布式协调控制系统 | |
| CN104089270A (zh) | 一种发电机组锅炉负荷控制优化调整试验方法 | |
| CN106887858B (zh) | 一种接入新能源发电的储能系统跟踪计划出力方法及装置 | |
| CN110376895B (zh) | 一种基于分层受限预测控制的火电机组协调控制方法 | |
| WO2022121446A1 (zh) | 控制系统、无功电压控制方法和装置、介质以及计算装置 | |
| CN114336673B (zh) | 一种基于模型预测控制的风储联合电站一次调频控制策略 | |
| CN110879620A (zh) | 一种核电站立式蒸汽发生器液位控制方法以及系统 | |
| Gouadria et al. | Comparison between self-tuning fuzzy PID and classic PID controllers for greenhouse system | |
| CN117093033A (zh) | 基于粒子群算法优化pid参数的电阻加热炉温度控制系统 | |
| CN112015082A (zh) | 一种基于模糊增益调度预测控制的机炉协调系统控制方法 | |
| Shah et al. | The state space modeling of single two and three ALFC of power system using integral control and optimal LQR control method | |
| CN113791587B (zh) | 流化床发电机组的协调控制方法、系统、存储介质和装置 | |
| CN111694275B (zh) | 一种设备控制方法、装置及电子设备 | |
| CN116414092A (zh) | 一种基于预测控制的热电联产机组协调控制方法及系统 | |
| CN109556176A (zh) | 一种基于双时间步长的供暖末端智能通断调节方法 | |
| CN112994036B (zh) | 一种基于模型预测的温控负荷参与微电网调控方法及系统 | |
| CN111647701B (zh) | 一种基于模糊控制思想的热风炉自动燃烧控制方法 | |
| CN111338210A (zh) | 一种基于独立调制串级策略的垃圾发电机组蒸汽温度控制方法 | |
| CN112148056B (zh) | 一种火电机组的功率调节方法、装置和系统 | |
| Al-Nussairi et al. | Design of a Two-Area Automatic Generation Control Using a Single Input Fuzzy Gain Scheduling PID Controller. | |
| CN117826903B (zh) | 基于智控阀的温差控制方法 | |
| Zhong et al. | Control strategies for the air supply system in PEMFC |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |